Heim >Backend-Entwicklung >Python-Tutorial >Wie konvertiert man Streudaten in Python in eine Heatmap?
Die Darstellung von Daten als Heatmap kann eine wertvolle visuelle Darstellung bieten, insbesondere beim Umgang mit großen Datensätzen. In diesem Fall haben wir eine Reihe von X-, Y-Datenpunkten und möchten diese als Heatmap visualisieren.
Matplotlib, eine vielseitige Python-Bibliothek, bietet eine Vielzahl von Optionen zum Erstellen von Heatmaps. Bei diesen Methoden wird jedoch in der Regel davon ausgegangen, dass Zellwerte für die Heatmap bereits verfügbar sind. Um dieses Problem anzugehen, erkunden wir einen alternativen Ansatz.
Mit der histogram2d-Funktion von NumPy können wir unsere X- und Y-Datenpunkte in eine Heatmap umwandeln. Diese Funktion berechnet die Häufigkeit von Datenpunkten innerhalb eines angegebenen Binning-Bereichs:
import numpy as np import numpy.random import matplotlib.pyplot as plt # Generate test data x = np.random.randn(8873) y = np.random.randn(8873) # Create heatmap using histogram2d heatmap, xedges, yedges = np.histogram2d(x, y, bins=50) extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]] # Plot the heatmap plt.clf() plt.imshow(heatmap.T, extent=extent, origin='lower') plt.show()
In diesem Beispiel generieren wir Testdaten und geben eine Bin-Anzahl von 50 an. Die resultierende Heatmap hat die Abmessungen 50x50. Die Funktion „imshow“ zeigt die Heatmap an, wobei das Argument „extent“ den Bereich der X- und Y-Achsen definiert.
Durch die Verwendung von histogram2d konvertieren wir unsere Streudatenpunkte effektiv in Zellwerte für die Heatmap. Dieser Ansatz ermöglicht es uns, die Verteilung von Datenpunkten zu visualisieren, wobei Regionen mit höherer Frequenz als „heißere“ Bereiche auf der Heatmap erscheinen.
Das obige ist der detaillierte Inhalt vonWie konvertiert man Streudaten in Python in eine Heatmap?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!